PRODI: KEPERAWATAN
N I M : B200222009
ANALISIS JURNAL
APLIKASI JARINGAN SARAF TIRUAN BACKPROPAGATION
UNTUK MEMPREDIKSI PENYAKIT THT DI RUMAH SAKIT MARDI RAHAYU KUDUS
1. Kelebihan Jurnal
Memiliki struktur dan pembahasan yang lengkap.
2. Kekurangan Jurnal
Banyak menggunakan kata yang kurang dimengerti oleh pembaca jurnal tersebut.
3. Saran
Sistem jaringan yang telah dibuat menunjukkan jaringan dapat mengenali pola dengan
sempurna, ini karena data yang diujikan adalah data yang sempurna (data lengkap). Untuk
mengetahui keandalan jaringan dapat diuji dengan data yang tidak sempurna.
Jaringan syaraf ada banyak jenisnya, salah satunya backpropagation seperti yang digunakan
pada penelitian ini. Untuk mengetahui kinerja jaringan syaraf tiruan yang lebih optimal,
perlu digunakan algoritma pelatihan selain backpropagation.
Untuk lebih memudahkan pengguna, maka perlu dibuat suatu interface seperti GUI
(graphical user interface)
APLIKASI JARINGAN SARAF TIRUAN BACKPROPAGATION
UNTUK MEMPREDIKSI PENYAKIT THT
DI RUMAH SAKIT MARDI RAHAYU KUDUS
Arif Jumarwanto
Rudy Hartanto, Dhidik Prastiyanto
ABSTRACT
Artificial neural network (ANN) is a modern computing paradigm. That can be used for the pattern
recognition and other. Backpropagation is artificial neural network which using hidden layer addition.
Computation of artificial neural network through some certain step like training phase and examination.
After both the step reached, so a neural network capable to recognize pattern to be entered will be found.
The purpose of this research is simulation of artificial neural network that capable to pattern recognition
from output of electrocardiogram by helped of MATLAB program. Input of result electrocardiogram record, then
input of data can be normalization after that data can be proccesed by backpropagation computing with two step
(training phase and examination phase). Output of ANN is like explaning condition of patient is normal, rhinitis
kronis or epistaksis.
I. PENDAHULUAN
berdasarkan gejala klinis. Jaringan syaraf tiruan
Latar Belakang Masalah
backpropagation merupakan topologi yang cukup
Salah satu permasalahan yang ada di
popular dan paling banyak dipakai untuk
masyarakat adalah semakin banyaknya jenis
berbagai aplikasi terutama pengenalan pola.
penyakit yang bermunculan. Salah satu jenis
Jaringan syaraf tiruan backpropagation adalah
penyakit yang sering dijumpai di masyarakat
jenis supervised learning dimana output dari
adalah penyakit THT. Hal ini dikarenakan banyak
jaringan dibandingkan dengan target yang
penyakit sistematis yang bermanifestasi di daerah
diharapkan sehingga diperoleh error output,
telinga, hidung dan tenggorokan. Penelitian ini
kemudian error ini dipropagasikan balik untuk
dikhususkan untuk memprediksi jenis penyakit
memperbaiki bobot jaringan dalam rangka
THT pada bagian hidung, yaitu rinitis kronis dan
meminimasi error. Pada sistem prediksi penyakit
Epistaksis.
THT Rinitis kronis dan Epistaksis berbasis
Nafas manusia dimulai dari lubang
jaringan saraf tiruan keberhasilan tergantung
hidung. Usaha bernafas menghantarkan udara
pada data-data yang telah diberikan pada fase
lewat saluran pernafasan atas dan bawah kepada
pelatihan.
elveoli paru dalam volume, tekanan kelembaban,
suhu dan kebersihan yang cukup untuk Rumusan Masalah
menjamin suatu kondisi ambil oksigen yang Bertitik tolak dari latar belakang masalah
optimal, dan pada proses sebaliknya juga tersebut di atas, skripsi yang akan dibuat
menjamin proses eliminasi karbondioksida yang dapat dirumuskan sebagai berikut :
optimal, yang diangkut ke alveoli lewat aliran 1. Bagaimana merancang arsitektur jaringan
darah. syaraf tiruan backpropagation sehingga
Pada skripsi ini jaringan syaraf tiruan dapat memprediksi penyakit THT rinitis
backpropagation yang akan dicoba diterapkan kronis dan epistaksis ?
untuk diagnosis awal suatu penyakit yang 2. Bagaimana tingkat akurasi yang dihasilkan
berkembang di masyarakat yaitu THT bagian dari jaringan syaraf tiruan tersebut
hidung yaitu Rinitis kronis dan Epistaksis terkait dengan pengenalan pola dari
penyakit THT rinitis kronis dan
Bagian awal, berisi : halaman
epistaksis?
sampul depan, halaman judul,
Batasan Masalah
halaman pengesahan, prakata,
Batasan masalah dalam penulisan skripsi ini
daftar isi, daftar tabel, daftar
adalah:
gambar, daftar lampiran, arti
1. Penyakit yang dibahas dalam penelitian
lambang (jika ada), singkatan, dan
ini dikhususkan untuk penyakit hidung
instisari.
yaitu Rinitis Kronis dan epistaksis
Bagian utama skripsi :
2. Jaringan syaraf yang digunakan adalah
BAB I : PENDAHULUAN
backpropagation
Meliputi latar belakang permasalahan yaitu
3. Program dibuat dengan matlab 7.04
latar belakang jaringan saraf tiruan, penyakit
Tujuan Penelitian
THT terutama rinitis kronis dan epistaksis.
Adapun tujuan dari penelitian ini adalah
Berdasarkan latar belakang masalah
1 Merancang arsitektur jaringan syaraf
tersebut, penulis menyusun rumusan
tiruan yang dapat memprediksi penyakit
masalah yang diperjelas dengan pembatasan
THT rinitis kronis dan epistaksis.
masalah yang akan diangkat dalam tugas
2. Menghitung tingkat akurasi / kehandalan
akhir ini. Manfaat penelitian akan dapat
jaringan syaraf tiruan yang dibuat
dirasakan apabila tujuan penelitian telah
Manfaat Penelitian tercapai. Metodologi penelitian merupakan
tahapan dalam menuntun penulis dalam
Manfaat yang akan diperoleh dari
mencapai tujuan skripsi
penelitian ini adalah membantu kerja para
BAB II : LANDASAN TEORI
ahli dibidangnya terutama rinitis kronis da
Berisi teori-teori pendekatan yang digunakan
epistaksis
untuk menganalisis masalah dan teori yang
dipakai dalam mengolah data yang digunakan
Metode Penelitian
dalam penelitian. Uraian pada landasan teori
Metode yang dilakukan dalam penelitian ini
ini akan menunjukan bahwa permasalahan
adalah metode pengumpulan data dengan
yang diteliti memiliki dasar teori dan dapat
melaksanakan kegiatan sebagai berikut:
dipecahkan melalui penelitian yang akan
1. Wawancara dengan pihak–pihak yang
dilakukan penulis.
terkait dengan permasalahan yang diteliti,
BAB III : PERANCANGAN SISTEM
dalam hal ini adalah dari bagian diklit,
Bab ini merupakan tahap dasar dari
Unit penyakit THT dirumah sakit Mardi
pencapaian tujuan yaitu aplikasi jaringan
Rahayu Kudus.
saraf tiruan backpropagation untuk
2. Observasi atau pengumpulan data pasien
memprediksi penyakit THT terutama rinitis
yang terjangkit penyakit THT terutama
kronis dan epistaksis. Bab ini berisi
rinitis kronis dan epistaksis
penjabaran perancangan system yang terdiri
3. Studi literatur dengan mencari literatur
dari perangkat perancangan sistem,
dan artikel yang menunjang penyusunan
identifikasi sistem, data pelatihan, data
skripsi baik itu tentang penyakit THT dan
pengujian, dan perancangan JST
tentang jaringan syaraf tiruan.
Backpropagation untuk memprediksi penyakit
THT terutama rinitis kronis dan epistaksis.
Sistematika Penulisan
BAB IV : HASIL DAN PEMBAHASAN
Penulisan skripsi ini terbagi menjadi tiga
Bab Meliputi pembahasan prosedur
bagian yang mencakup bagian awal, bagian
pembuatan program sebagai wujud dari
utama yang terdiri atas lima bab, dan bagian
penggunaan aplikasi jaringan saraf tiruan.
akhir.
Program disusun mulai dari pembentukan
neuron input sampai dengan proses prediksi
suatu penyakit yaitu dihasilkannya produk
klebsiella, stafilokok, streptokok, dan
yang sama dengan target.
pseudomonas aerginosa. Keluhan subyektif
BAB V : PENUTUP
yang sering ditemukan pada pasien biasanya
Bab ini berisi kesimpulan serta saran,
napas bau, pasien menderita anosmia, ingus
kesimpulan merupakan hasil dari analisis
kental hijau, kusta hijau, gangguan
data serta perancangan dan implementasi
penciuman, sakit kepala, dan hidung
program. Berdasarkan tujuan awal tugas
tersumbat. Gambar penyakit rinitis kronis
akhir kesimpulan harus dapat mencapai poin
ditunjukan oleh gambar dibawah ini
tujuan tersebut. Salah satu dari poin tujuan
adalah menghasilkan metode untuk prediksi
awal suatu penyakit dengan mengaplikasikan
jaringan saraf tiruan. Saran dari tugas akhir
ini merupakan dasar dari pengembangan
penelitian selanjutnya yang belum sampai
dibahas dalam tugas akhir ini.
sinusitis, rinitis, tumor, dll. Pada bagian “Jaringan syaraf tiruan didefinisikan sebagai
tenggorokan antara lain: esofagitis, tumor, suatu sistem pemrosesan informasi yang
laryngitis, dll. mempunyai karakteristik menyerupai
Hidung bekerja sebagai indera pencium jaringan saraf manusia”. Jaringan saraf
dengan adanya mukosa olfaktorius pada atap tiruan tercipta sebagai suatu generalisasi
rongga hidung, konka superior dan sepertiga model matematis dari pemahaman manusia
bagian atas septum. Partikel bau dapat (human cognition) yang didasarkan atas
mencapai daerah ini dengan cara difusi asumsi sebagai berikut :
dengan palut lendir atau bila menarik nafas 1. Pemrosesan informasi terjadi pada
dengan kuat. elemen sederhana yang disebut neuron.
Epistaksis adalah perdarahan dari 2. Isyarat mengalir di antara sel saraf /
hidung yang terjadi akibat lokal ataupun neuron melalui suatu sambungan
sebab sistemik. Diagnosis awalnya biasanya penghubung.
karena penyakit kardiovaskular, kelainan 3. Setiap sambungan penghubung memiliki
darah, infeksi sistemik, gangguan endokrin, bobot yang bersesuaian.
ataupun kelainan kongenital. 4. Setiap sel saraf akan merupakan fungsi
Sedangkan penyakit Rinitas Kronis aktivasi terhadap isyarat hasil
merupakan suatu penyakit infeksi hidung penjumlahan berbobot yang masuk
kronik dengan tanda adanya atrofi progresif kepadanya untuk menentukan isyarat
tulang dan mukosa konka. Mukosa hidung keluarannya.
menghasilkan secret kental dan cepat
mengering, sehingga terbentuk krusta berbau
busuk. Penyebabnya bisa berupa spesies
b. Pemodelan Jaringan Syaraf Tiruan
mendapatkan keseimbangan antara
Jaringan syaraf terdiri atas beberapa neuron
kemampuan jaringan untuk mengenali pola
dan ada hubungan antara neuron– neuron
yang digunakan selama pelatihan serta
tersebut. Neuron adalah sebuah unit pemroses
kemampuan untuk memberikan respon yang
informasi yang menjadi dasar pengoperasian
benar terhadap pola masukan yang serupa
jaringan syaraf tiruan. Syaraf adalah sebuah
dengan pola yang dipakai selama pelatihan.
unit pemroses informasi dengan tiga elemen
d. Arsitektur JST Backpropagation
dasar yaitu :
1. Satu set link yang terhubung
2. Sebuah penjumlah untuk menghitung
besarnya penambahan pada sinyal
masukan
3. Sebuah fungsi aktivasi untuk membatasi
banyaknya keluaran pada syaraf
Sebagian besar jaringan syaraf
melakukan penyesuaian bobot–bobotnya
selama menjalani pelatihan. Pelatihan dapat
berupa pelatihan terbimbing (supervised
training) di mana diperlukan pasangan
masukan–sasaran untuk tiap pola yang
dilatihkan. Jenis kedua adalah pelatihan tak
Gambar 3. Model jaringan backpropagation
terbimbing (unsupervised training). Gambar
dibawah ini menggambarkan model
Backpropagation memiliki beberapa
jaringan syaraf tiruan.
unit yang ada dalam satu atau lebih lapis
tersembunyi. Gambar 2.3 diatas adalah
arsitektur backpropagation dengan n buah
masukan (X1, X2, X3, ......., Xn) ditambah
sebuah bias, sebuah lapis tersembunyi yang
terdiri dari j unit ditambah sebuah bias, serta
k buah unit keluaran.
e. Algoritma Backpropagation
Pelatihan backpropagation meliputi tiga fase.
Fase I : Propagasi Maju
Selama propagasi maju, sinyal
masukan (= xi) dipropagasikan ke lapis
tersembunyi menggunakan fungsi
Gambar 2. Model Jaringan Syaraf Tiruan aktivasi yang ditentukan. Keluaran dari
setiap unit lapis tersembunyi (= zj )
c. Jaringan Syaraf Tiruan Backpropagation tersebut selanjutnya dipropagasikan maju
JST dengan layar tunggal memiliki lagi ke lapis tersembunyi di atasnya
menggunakan fungsi aktivasi yang
keterbatasan dalam pengenalan pola.
ditentukan. Demikian seterusnya hingga
Kelemahan ini bisa ditanggulangi dengan
menghasilkan keluaran jaringan (= yk).
menambahkan satu atau beberapa layar
Berikutnya, keluaran jaringan (= yk)
tersembunyi diantara layar masukan dan
dibandingkan dengan target yang harus
layar keluaran. Jaringan syaraf tiruan
dicapai (= tk). Selisih tk-yk adalah
backpropagation (JST-BP) melatih jaringan
kesalahan yang terjadi. Jika kesalahan ini jaringan mencapai titik minimum lokal atau
lebih kecil dari batas toleransi yang global, dan seberapa cepat konvergensinya.
ditentukan, maka iterasi dihentikan. Bobot yang menghasilkan nilai turunan
Akan tetapi apabila kesalahan masih aktivasi yang kecil sedapat mungkin dihindari
lebih besar dari batas toleransinya, maka karena akan menyebabkan perubahan
bobot setiap garis dalam jaringan akan bobotnya menjadi sangat kecil. Demikian pula
dimodifikasikan untuk mengurangi nilai bobot awal tidak boleh terlalu besar
kesalahan yang terjadi. karena nilai turunan fungsi aktivasinya
Fase II : Propagasi Mundur menjadi sangat kecil juga.
Berdasarkan kesalahan tk-yk, 2) Jumlah unit tersembunyi
dihitung faktor δk (k=1, 2, …, m) yang Hasil teoritis yang didapat menunjukkan
dipakai untuk mendistribusikan bahwa jaringan dengan sebuah lapis
kesalahan di unit yk ke semua unit tersembunyi sudah cukup bagi
tersembunyi yang terhubung langsung backpropagation untuk mengenali sembarang
dengan yk. δk juga dipakai untuk perkawanan antara masukan dan target
mengubah bobot garis yang dengan tingkat ketelitian yang ditentukan.
menghubungkan langsung dengan unit Akan tetapi panambahan jumlah lapis
keluaran. tersembunyi kadangkala membuat pelatihan
Dengan cara yang sama, dihitung δ j lebih mudah dan bisa jadi pelatihan dapat
di setiap unit di lapis tersembunyi sebagai lebih mencapai target.
dasar perubahan bobot semua garis yang 3) Jumlah pola pelatihan
berasal dari unit tersembunyi di lapis di Tidak ada kepastian tentang berapa banyak
bawahnya. Demikian seterusnya hingga pola yang diperlukan agar jaringan dapat
faktor δ di unit tersembunyi yang dilatih dengan sempurna. Jumlah pola yang
ditetapkan, atau jika kesalahan yang terjadi Parameter laju pelatihan (learning rate)
sudah lebih kecil dari batas toleransi yang sangat berpengaruh pada proses pelatihan.
Begitu pula terhadap efektivitas dan
diijinkan.
kecepatan mencapai konvergensi dari
1
2. Hasilnya dibagi dengan perkalian antara
banyaknya data pada pelatihan dan
2) Delta – Bar – Delta banyaknya keluaran, kemudian
Laju pemahaman () merupakan suatu diakarkan.
konstanta yang dipakai dalam seluruh Rumus :
RMS Error = (T jp X jp )2
iterasinya. Perubahan dapat dilakukan p j
Dengan : np no
dengan memberikan laju pemahaman yang
berbeda-beda untuk setiap bobotnya, atau Tjp = nilai keluaran jaringan syaraf
tiap iterasinya. Perubahan bobot dalam
aturan delta-bar-delta adalah sebagai berikut X jp = nilai target/yang diinginkan untuk
: setiap keluaran
wkj t 1 wkj t kj t 1 n p = jumlah seluruh pola
kz j no = jumlah keluaran
DAFTAR PUSTAKA
http://telkomnika.elektrouad.net/?Volume_2%2C
_No_2:Desain_Dan_Penggunaan_%22E2glite
_Expert_System_Shell%22_Untuk_Diagnosis
_Penyakit_THT diupload tanggal 28 Agustus
2007 pukul 14.23 WIB
BIOGRAFI